Scale Labs 推出视觉推理基准 Humanity's Sixth Sense

Scale Labs 推出了旨在评估直觉视觉推理的基准 Humanity's Sixth Sense（HSS）。该测试套件包含跨图像和视频的 522 项开放式任务，涵盖从空间与因果推理到社交理解等多个领域。

据 Scale Labs 介绍，人类评估者取得了 93.1% 的基准得分。在受测的 AI 模型中，GPT-6-astra 得分最高，达到 53.6%，而模型中位数为 30.9%。